التخصيص الجماعي للاستعلامات والتعيين المتعدد بوعي الجودة للكشف عن العلاقات البصرية القائمة على المتحولات

لقد شهدت كشف العلاقات البصرية (VRD) تقدمًا كبيرًا مؤخرًا بفضل الهندسات المستندة إلى المتحولات (Transformers). ومع ذلك، فقد حددنا قيودين رئيسيين في عملية التعيين التقليدية للتصنيفات لتدريب نماذج VRD المستندة إلى المتحولات، وهي عملية ربط الحقيقة الأرضية (GT) بالتنبؤ. وفقًا للتعيين التقليدي، يتم تدريب استعلام غير متخصص حيث يُتوقع من الاستعلام أن يكشف كل العلاقة، مما يجعل من الصعب على الاستعلام أن يتخصص في علاقات محددة. بالإضافة إلى ذلك، فإن الاستعلام أيضًا غير مدرب بشكل كافٍ حيث يتم تعيين حقيقة أرضية واحدة فقط لتنبؤ واحد، وبالتالي يتم إهمال التنبؤات القريبة من الصحيحة أو حتى الصحيحة تمامًا عن طريق تعيين عدم وجود علاقة كحقيقة أرضية لها.لحل هذه المشكلات، نقترح تقنية "المتخصصون الجماعيون والاستعراض المتعدد الواعي بالجودة" (SpeaQ). تقوم تقنية المتخصصون الجماعيون بتدريب استعلام متخصص عبر تقسيم الاستعلامات والعلاقات إلى مجموعات منفصلة وتشجيع استعلام في مجموعة استعلامات معينة على التركيز فقط على العلاقات في المجموعة المرتبطة بها. أما الاستعراض المتعدد الواعي بالجودة فيعزز التدريب أكثر عبر تعيين حقيقة أرضية لعدة تنبؤات تكون قريبة بشكل كبير من الحقيقة الأرضية فيما يتعلق بالموضوع والكائن والعلاقة بينهما.تظهر النتائج التجريبية والتحليلات أن SpeaQ يدرب الاستعلامات المتخصصة بكفاءة أكبر، مما يؤدي إلى استخدام أفضل لقدرة النموذج ويحقق زيادة مستمرة في الأداء دون أي تكلفة إضافية للمستند خلال عمليات الاستدلال في عدة نماذج VRD وأطر مرجعية. يمكن الحصول على الكود من الرابط: https://github.com/mlvlab/SpeaQ.